艾瑞咨詢：2021年中國云原生AI開發(fā)平臺白皮書

中國云原生AI開發(fā)平臺白皮書?2021.11iResearchInc.摘要行業(yè)背景：近年來，國內(nèi)人工智能技術(shù)成熟度持續(xù)提升、服務(wù)種類不斷豐富，在企業(yè)經(jīng)營管理各環(huán)節(jié)的價值已得到市場的初步驗證。然而，當(dāng)前國內(nèi)甲方企業(yè)在進行人工智能開發(fā)和應(yīng)用時仍然面臨著技術(shù)人才儲備不足、AI應(yīng)用部署存在困難、投入產(chǎn)出比不達(dá)預(yù)期等問題，亟需能夠幫助企業(yè)解決這一問題的高效AI開發(fā)和應(yīng)用工具。產(chǎn)品&關(guān)鍵技術(shù)：云原生AI開發(fā)平臺融合了成熟的人工智能開發(fā)框架以及云原生工具靈活調(diào)用云資源、高效部署云應(yīng)用的能力，一方面幫助企業(yè)開發(fā)者提高算法模型的開發(fā)效率，另一方面提升交付、部署、運維環(huán)節(jié)的效率并降低TCO。橫向?qū)Ρ燃追狡髽I(yè)可能采用的諸多獲取人工智能能力的平臺和方式之后，我們認(rèn)為云原生AI開發(fā)平臺在AI開發(fā)應(yīng)用全生命周期視角下具備一定的綜合優(yōu)勢。應(yīng)用場景：云原生AI開發(fā)平臺在諸多人工智能密集應(yīng)用的下游場景和行業(yè)具備通用性，包括互聯(lián)網(wǎng)、金融、自動駕駛、政務(wù)、制造、營銷等。本報告挑選了部分應(yīng)用場景，梳理了上述場景下企業(yè)進行AI開發(fā)和應(yīng)用過程中面臨的實際需求和難點，展示了典型云原生AI開發(fā)產(chǎn)品的服務(wù)架構(gòu)以及對企業(yè)經(jīng)營管理的價值。發(fā)展趨勢：AI開發(fā)平臺還將朝著易用性、專業(yè)化、綜合性、產(chǎn)用協(xié)同等方向發(fā)展，我們認(rèn)為在這一過程中，AI開發(fā)平臺的產(chǎn)品廣度將進一步提升，并有望集成DevOps、AIOps等運維方法和工具，全方位融入企業(yè)的數(shù)字化經(jīng)營體系。同時，AI開發(fā)平臺的服務(wù)業(yè)態(tài)還將向軟硬一體化方向演進，深度融合技術(shù)交流社區(qū)等平臺，形成學(xué)用一體化的技術(shù)傳播與升級環(huán)境。來源：艾瑞咨詢研究院自主研究及繪制。?2021.11iResearchInc 2行業(yè)背景與產(chǎn)品綜述1行業(yè)背景與產(chǎn)品綜述1云原生AI2云原生AI2AI開發(fā)平臺發(fā)展展望33AI應(yīng)用背景在企業(yè)數(shù)字化轉(zhuǎn)型的客觀需求以及政策對發(fā)展前沿IT科技的支持下，我國數(shù)字經(jīng)濟高速發(fā)展，為人工智能發(fā)展創(chuàng)造了積極的經(jīng)濟環(huán)境。近年來，國內(nèi)人工智能技術(shù)成熟度持續(xù)提升、服務(wù)種類不斷豐富，在企業(yè)經(jīng)營管理各環(huán)節(jié)的價值已得到市場的初步驗證，伴隨云計算的普及和云原生技術(shù)的發(fā)展，云服務(wù)將有望幫助企業(yè)解決現(xiàn)階段開展人工智能應(yīng)用存在的難點，提升人工智能的效用。4人工智能發(fā)展環(huán)境（1/2）AI算法的協(xié)同開發(fā)與AI應(yīng)用的產(chǎn)業(yè)化落地過去數(shù)年間，國務(wù)院、國家發(fā)改委、工信部、科技部以及各省市、地方政府陸續(xù)發(fā)布了有關(guān)推進人工智能算法開發(fā)以及應(yīng)用落地的政策。在算法開發(fā)層面，政策明確倡導(dǎo)開源開放、互助共享的理念，支持具備人工智能資源與技術(shù)優(yōu)勢的企業(yè)、高校構(gòu)建促進AI能力開源開放的平臺，釋放優(yōu)勢互補的協(xié)同效應(yīng)，縮小我國人工智能技術(shù)與領(lǐng)先國家的差距；在人工智能應(yīng)用層面，政策鼓勵人工智能等數(shù)字化能力在企業(yè)層面加大應(yīng)用力度、在區(qū)域?qū)用鎸崿F(xiàn)項目落地，通過人工智能等前沿IT技術(shù)驅(qū)動工業(yè)化和信息化深度融合。整體來看，國內(nèi)政策對于人工智能始終保持積極態(tài)度，人工智能產(chǎn)業(yè)化和規(guī)范化的發(fā)展前景會更加明朗。近年人工智能應(yīng)用相關(guān)政策解讀2021.2.9《2021年市政府工作報告重點任務(wù)清單》2021.2.9《2021年市政府工作報告重點任務(wù)清單》2021.1.13（2021-2023年）》指出推動人工智能等科技創(chuàng)新重大項目在京落地，推動各方科技力量優(yōu)化配置和資源共享，支持包括人工智能在內(nèi)的新型研發(fā)機構(gòu)發(fā)展，健全創(chuàng)新創(chuàng)業(yè)服務(wù)體系。

重點任務(wù)中指出鼓勵大型企業(yè)加大人工智能等數(shù)字化技術(shù)應(yīng)用力度，全面提升研發(fā)設(shè)計、工藝仿真、生產(chǎn)制造、設(shè)備管理、產(chǎn)品檢測等智能化水平，實現(xiàn)全流程動態(tài)優(yōu)化和精準(zhǔn)決策。2020.8.7國家發(fā)改委、科技部等《國家新一代人工智能標(biāo)準(zhǔn)體系建設(shè)指南》2020.8.7國家發(fā)改委、科技部等《國家新一代人工智能標(biāo)準(zhǔn)體系建設(shè)指南》2019.11.13（修訂）《國家創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略綱要》建設(shè)內(nèi)容中，提出支撐技術(shù)與產(chǎn)品標(biāo)準(zhǔn)，其中“關(guān)鍵通用技術(shù)”和“關(guān)鍵領(lǐng)域技術(shù)”涉及機器學(xué)習(xí)、知識圖譜、自然語言處理、計算機視覺和智能語音等重要AI算法和技術(shù)的應(yīng)用。

發(fā)展新一代信息網(wǎng)絡(luò)技術(shù)，加強類人智能、自然交互與虛擬現(xiàn)實研究，推動寬帶移動互聯(lián)網(wǎng)、云計算、物聯(lián)網(wǎng)、大數(shù)據(jù)等技術(shù)研發(fā)和綜合應(yīng)用，加快工業(yè)化和信息化深度融合。2019.8.1科技部《國家新一代人工智能開放創(chuàng)新平臺建設(shè)工作指引》2019.8.1科技部《國家新一代人工智能開放創(chuàng)新平臺建設(shè)工作指引》2017.7.8國務(wù)院《新一代人工智能發(fā)展規(guī)劃》建設(shè)原則指出要以企業(yè)為主體，鼓勵人工智能細(xì)分領(lǐng)域領(lǐng)軍企業(yè)搭建開源、開放平臺，面向公眾開放AI技術(shù)研發(fā)資源，向社會輸出AI技術(shù)服務(wù)能力，推動AI技術(shù)的行業(yè)應(yīng)用。來源：國務(wù)院等，艾瑞咨詢研究院根據(jù)公開資料研究及繪制。

指出要將人工智能提升至國家戰(zhàn)略高度，以開源開放作為基產(chǎn)學(xué)研用各創(chuàng)新主體共創(chuàng)共享,構(gòu)建開放協(xié)同的人工智能科技創(chuàng)新體系。?2021.11iResearchInc 5人工智能發(fā)展環(huán)境（2/2）人工智能相關(guān)產(chǎn)業(yè)規(guī)模高速增長，市場需求更加明確隨著數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化的不斷深化，我國數(shù)字經(jīng)濟高速發(fā)展，在宏觀經(jīng)濟中的重要性持續(xù)提升。2020年中國人工智能核心產(chǎn)業(yè)規(guī)模超過1500億元，至2025年預(yù)計超過4500億元，2021-2025年人工智能核心產(chǎn)品CAGR為24%；2020年人工智能帶動相關(guān)產(chǎn)業(yè)規(guī)模超5700億元，至2025年將突破16000億元，2021-2025年人工智能帶動相關(guān)產(chǎn)業(yè)CAGR為22%。在新產(chǎn)業(yè)、新業(yè)態(tài)、新商業(yè)模式經(jīng)濟建設(shè)的大背景下，人工智能產(chǎn)業(yè)的成長速度令人矚目，并已逐步展現(xiàn)出從單向的產(chǎn)品供應(yīng)向各產(chǎn)業(yè)深度雙向共建的發(fā)展特征，帶動相關(guān)產(chǎn)業(yè)發(fā)展，回饋社會經(jīng)濟。在這樣的發(fā)展環(huán)境下，企業(yè)對人工智能的需求逐漸升溫，人工智能在企業(yè)端的應(yīng)用成熟度也漸入佳境。CAGR=25%2005-2020年中國數(shù)字經(jīng)濟規(guī)模及占GDP比重 2019-2025年中國CAGR=25%CAGR=24%32.9%34.8%CAGR=24%14.2%15.2%

20.3%16.2

39.2

5.7

7.4

9.2

11.4

13.9

16.6

9.5

4.52005 2008 2011 2014 2017 2018 2019 2020數(shù)字經(jīng)濟規(guī)模（萬億元） 數(shù)字經(jīng)濟占GDP規(guī)模的比重（%）

2019 2020e 2021e 2022e 2023e 2024e 2025eAI帶動相關(guān)產(chǎn)業(yè)規(guī)模（千億元） AI核心產(chǎn)品市場規(guī)模（千億元）來源：中國信通院（2020），艾瑞咨詢研究院根據(jù)公開資料研究及繪制。 來源：艾瑞咨詢《2020年中國人工智能產(chǎn)業(yè)研究報告》。?2021.11iResearchInc ?2021.11iResearchInc 6人工智能應(yīng)用現(xiàn)狀（1/2）感知智能相對成熟，認(rèn)知智能加速發(fā)展一般認(rèn)為，人工智能可分為感知智能和認(rèn)知智能兩大類。感知智能以智能語音、計算機視覺和部分生物體征識別（如體態(tài)識別）為核心底層技術(shù)，對應(yīng)的上層應(yīng)用為智能對話、圖像識別和人體識別等，分別直接應(yīng)用于客服機器人、智能安防、智能監(jiān)控等解決方案；認(rèn)知智能以機器學(xué)習(xí)/深度學(xué)習(xí)、知識圖譜和自然語言處理等為核心底層技術(shù)，對應(yīng)的上層應(yīng)用為預(yù)測建模、知識倉庫、機器翻譯等，分別直接應(yīng)用于商業(yè)決策、智能推薦、全文信息檢索等解決方案，二者是互為支持和補充的關(guān)系，同一個AI解決方案中往往包含多種技術(shù)。目前我國感知智能的算法研發(fā)和應(yīng)用落地相對成熟，而認(rèn)知智能正在加速發(fā)展過程中，未來將有著更廣闊的應(yīng)用空間。當(dāng)前AI感知智能&認(rèn)知智能算法及應(yīng)用AI感知智能智能語音 計算機視覺 直接應(yīng)用智能對話 圖像識別 人體識別解決方案呼叫中心 智能安防 智能監(jiān)控

AI認(rèn)知智能監(jiān)督學(xué)習(xí) 知識圖譜 文本匹配直接應(yīng)用預(yù)測建模 知識倉庫 機器翻譯解決方案商業(yè)智能決策 智能推薦 全文信息檢索人工智能基礎(chǔ)設(shè)施算力服務(wù) 算法服務(wù) 數(shù)據(jù)服務(wù)CPU GPU FPGA ASIC 人工智能算法模型 數(shù)據(jù)挖掘 數(shù)據(jù)存儲 數(shù)據(jù)治理來源：艾瑞咨詢研究院自主研究及繪制。?2021.11iResearchInc 7人工智能應(yīng)用現(xiàn)狀（2/2）營銷、客服、質(zhì)檢、安防等應(yīng)用的市場價值已獲得驗證具體到實際應(yīng)用中看，人工智能已廣泛滲入各行業(yè)經(jīng)營管理的諸多環(huán)節(jié)，為企業(yè)帶來更高效的自動化流程、更精準(zhǔn)的情報分析以及更智能的運營管理。當(dāng)前國內(nèi)人工智能應(yīng)用成熟度較高的領(lǐng)域包括：①在金融、互聯(lián)網(wǎng)等需要密集與客戶溝通交流的行業(yè)中用于智能呼叫、客服、銷售等環(huán)節(jié)，幫助企業(yè)提升觸達(dá)能力和服務(wù)質(zhì)量，從而提升用戶粘性；②賦能公安、交通和企業(yè)內(nèi)部的安防監(jiān)控以及制造業(yè)企業(yè)的物流配送、產(chǎn)品質(zhì)檢等環(huán)節(jié)，代替人眼進行大規(guī)模監(jiān)測并提升監(jiān)測精準(zhǔn)度、從而提高調(diào)度和管理效率。整體來看，感知智能的諸多應(yīng)用對于企業(yè)的應(yīng)用價值已得到了市場驗證，而涉及認(rèn)知分析、智能決策的認(rèn)知領(lǐng)域的應(yīng)用成熟度也正在逐步提高，已在部分行業(yè)展開試水，應(yīng)用滲透有望加速。人工智能應(yīng)用于我國不同行業(yè)企業(yè)經(jīng)營管理活動的主要環(huán)節(jié)

設(shè)備運維

管理調(diào)度質(zhì)控、風(fēng)窗口服務(wù)遠(yuǎn)程辦事

人機對話金融醫(yī)藥交通零售教育制造能源電力電信

定價優(yōu)化

效率提升

決策支持營銷運營

故損分析

運籌優(yōu)化控和安全

遠(yuǎn)程作業(yè)圖例

計算機視覺 智能語音交互ML&DL NLP&知識圖譜來源：艾瑞咨詢研究院自主研究及繪制。?2021.11iResearchInc 8人工智能與云服務(wù)（1/3）云服務(wù)平臺成為企業(yè)獲取和應(yīng)用AI能力的重要渠道當(dāng)前各類前沿信息技術(shù)彼此融合促進，界限正逐漸模糊，無論是在技術(shù)開發(fā)、實施還是應(yīng)用階段，包括云計算、大數(shù)據(jù)、人工智能等在內(nèi)的多項技術(shù)都互為依托和補充。云計算在我國經(jīng)歷了十余年的發(fā)展，目前基礎(chǔ)云服務(wù)已經(jīng)進入成熟階段，各類上層應(yīng)用以云服務(wù)平臺為技術(shù)基座和分發(fā)渠道，逐步構(gòu)建起云上的IT服務(wù)生態(tài)閉環(huán)。具體到人工智能領(lǐng)域，云計算為人工智能研發(fā)和部署提供計算集群、存儲陣列等基礎(chǔ)設(shè)施，通過大數(shù)據(jù)和AI算法PaaS提升企業(yè)進行AI開發(fā)的節(jié)奏和效能，而信息安全、敏捷開發(fā)等應(yīng)用則間接提升了企業(yè)采用云上AI能力的穩(wěn)定性。對于企業(yè)的AI開發(fā)和應(yīng)用工作而言，云平臺已成為他們加強AI能力的重要助力。2021中國云服務(wù)產(chǎn)品市場份額物聯(lián)網(wǎng)其他安全服務(wù)

云上人工智能服務(wù)品類及應(yīng)用現(xiàn)狀配套服務(wù)可視化配套服務(wù)可視化資源統(tǒng)計……3%小程序9%

3% 2%

建站推廣19%

SaaS

……語音合成 機器翻譯 工業(yè)大腦API10%基礎(chǔ)軟件10%

專業(yè)服務(wù)17%

PaaS

數(shù)據(jù)倉庫 數(shù)據(jù)治理工具 大數(shù)據(jù)計算分析AI開發(fā)平臺 AI開放平臺 人工智能APIAI&大數(shù)據(jù)12%

企業(yè)應(yīng)用15%

高性能存儲陣列

CPU GPU FGPA 93%的企業(yè)使用云上的AI能力

IaaS

面向人工智能的計算集群

高速通信網(wǎng)絡(luò)來源：1.艾瑞咨詢《2021年中國基礎(chǔ)云服務(wù)行業(yè)發(fā)展洞察》；2.德勤（2020），艾瑞咨詢研究院根據(jù)公開資料研究及繪制。?2021.11iResearchInc 9人工智能與云服務(wù)（2/3）云原生成為業(yè)界認(rèn)可的云計算技術(shù)發(fā)展方向以Docker和K8s為代表的容器和容器編排技術(shù)是云原生應(yīng)用的典型代表，容器對基礎(chǔ)資源的調(diào)用相較虛擬機更加輕量、敏捷、高效，能夠直接部署于物理機上作為資源調(diào)度器，但在當(dāng)前的企業(yè)用云實踐中，無論對于公有化還是私有化部署模式，容器引擎普遍架構(gòu)于虛擬機之上，對虛擬化的IT基礎(chǔ)設(shè)施實行彈性資源調(diào)度、流程自動化以及集群管理。整體來看，云原生架構(gòu)具備彈性擴容、敏捷分發(fā)、高效易用、兼容適配等主要優(yōu)勢，在云計算成為企業(yè)數(shù)字化轉(zhuǎn)型標(biāo)配的今天，云原生帶來了更加靈活的用云模式，能夠幫助用戶降低用云成本、提高云服務(wù)可用性和云端服務(wù)的質(zhì)量，其價值已獲得了產(chǎn)業(yè)界的普遍認(rèn)可，云原生也被認(rèn)為是云計算未來的技術(shù)發(fā)展方向，諸多云端服務(wù)也被業(yè)界證實能夠與云原生架構(gòu)充分融合并帶來使用性能的提升。

容器云的主要優(yōu)勢應(yīng)用管理ServerlessDevOps微服務(wù)容器云的主要優(yōu)勢應(yīng)用管理ServerlessDevOps微服務(wù)監(jiān)控管理應(yīng)用測試應(yīng)用部署版本控制發(fā)布管理訂購管理升級管理鏡像倉庫鏡像打包流水線微服務(wù)架構(gòu)微服務(wù)治理灰度發(fā)布系統(tǒng)監(jiān)控系統(tǒng)日志告警管理資源調(diào)度自動化部署負(fù)載均衡彈性伸縮API管理集群管理安全策略服務(wù)管理容器管理……容器引擎X86架構(gòu)X86架構(gòu)

虛擬化（云服務(wù)器）ARM架構(gòu)物理機ARM架構(gòu)來源：中國信通院（2021），艾瑞咨詢研究院根據(jù)公開資料研究及繪制。?2021.11iResearchInc

10人工智能與云服務(wù)（3/3）云原生融合分布式計算性能更具優(yōu)勢，應(yīng)用前景廣闊伴隨著數(shù)據(jù)量的大爆發(fā)和數(shù)據(jù)應(yīng)用的豐富，傳統(tǒng)的集中式計算架構(gòu)已無法支撐超大規(guī)模的數(shù)據(jù)處理需求，現(xiàn)今AI應(yīng)用主要部署在以分布式為基礎(chǔ)的云平臺之上，AI模型開發(fā)以及應(yīng)用事實上也是以分布式計算為基礎(chǔ)。分布式計算通過將數(shù)據(jù)負(fù)載分配到不同的終端進行統(tǒng)籌處理，以異步、并行、多線程的方式提高計算效率，同時，分布式系統(tǒng)的復(fù)雜化帶來了環(huán)境一致性下降、可用性不足、容錯能力降低等問題，對于復(fù)雜的模型訓(xùn)練和超大規(guī)模的應(yīng)用部署尤其突出。作為云計算未來的總體發(fā)展趨勢，云原生自誕生之始就以輕量的模塊組合以及分布統(tǒng)籌為核心理念，其性能優(yōu)勢可以幫助使用者應(yīng)對分布式計算架構(gòu)帶來的諸多問題，從而為云原生與人工智能的融合提供了廣闊的應(yīng)用前景。分布式計算系統(tǒng)架構(gòu)帶來的一般性問題&云原生潛在性能優(yōu)勢集中計算概念 分區(qū)容錯性P需求

屏蔽異構(gòu)環(huán)境輕量化運行橫向擴展DevOps微服務(wù)Serverless安全性挑戰(zhàn)編程協(xié)作摩擦應(yīng)用可用性A不足環(huán)境一致性C下降顆粒度開發(fā)DevOps微服務(wù)Serverless安全性挑戰(zhàn)編程協(xié)作摩擦應(yīng)用可用性A不足環(huán)境一致性C下降應(yīng)用&平臺分離應(yīng)用&平臺分離相較于傳統(tǒng)模式，分布式計算帶來了計算能力整體的提升，但系統(tǒng)復(fù)雜度隨之增加，帶來包括CAP難題在內(nèi)的一系列負(fù)面影響，而云原生理念不僅與分布式概念天然契合，其應(yīng)用架構(gòu)和性能恰在一定程度上為分布式帶來的問題提供了解決方案，二者相輔相成運維復(fù)雜度提高容器化相較于傳統(tǒng)模式，分布式計算帶來了計算能力整體的提升，但系統(tǒng)復(fù)雜度隨之增加，帶來包括CAP難題在內(nèi)的一系列負(fù)面影響，而云原生理念不僅與分布式概念天然契合，其應(yīng)用架構(gòu)和性能恰在一定程度上為分布式帶來的問題提供了解決方案，二者相輔相成運維復(fù)雜度提高容器化云原生組件災(zāi)備需求伴隨大數(shù)據(jù)的爆發(fā)、AI應(yīng)用在各場景不斷滲透和云計算的普及，基于分布式計算架構(gòu)進行人工智能模型訓(xùn)練和應(yīng)用部署既存在客觀需求，也具備了技術(shù)條件伴隨大數(shù)據(jù)的爆發(fā)、AI應(yīng)用在各場景不斷滲透和云計算的普及，基于分布式計算架構(gòu)進行人工智能模型訓(xùn)練和應(yīng)用部署既存在客觀需求，也具備了技術(shù)條件來源：艾瑞咨詢研究院自主研究及繪制。?2021.11iResearchInc

11企業(yè)AI應(yīng)用困境盡管人工智能技術(shù)成熟度正在不斷提高，但目前國內(nèi)甲方企業(yè)進行人工智能應(yīng)用仍然面臨著技術(shù)人才儲備不足、AI應(yīng)用部署存在困難、投入產(chǎn)出比不達(dá)預(yù)期等問題。我們認(rèn)為，企業(yè)通過配備適宜于AI開發(fā)的高性能軟硬件基礎(chǔ)服務(wù)，有望能夠利用底層技術(shù)的復(fù)用和IT資源的靈活配置優(yōu)化AI開發(fā)和部署流程，提升AI的價值創(chuàng)造能力。12AI人才仍短缺人才短缺限制企業(yè)進行AI開發(fā)和落地的步伐作為前沿IT技術(shù)的代表，人工智能產(chǎn)業(yè)近年來高速發(fā)展，帶動了市場對AI人才的集中需求。與許多發(fā)達(dá)國家相比，我國的AI人才總數(shù)仍處于短缺狀態(tài)，而在企業(yè)微觀層面上，AI人才市場表現(xiàn)出人才相對集中于互聯(lián)網(wǎng)科技公司，且技術(shù)人才缺口更加顯著等問題。人才短缺導(dǎo)致企業(yè)的AI需求無法得到及時滿足，而人才的培養(yǎng)也非一日之功，長期來看這依賴于IT教育的轉(zhuǎn)型和結(jié)構(gòu)調(diào)整，而在短期則更需要產(chǎn)業(yè)端通過復(fù)用成熟能力、降低應(yīng)用難度、促進技術(shù)交流等方式來提升業(yè)內(nèi)人員的整體素質(zhì)。AI人才積累相對缺乏2020年多國AI研究人員數(shù)量

2020年中國普通大型企業(yè)實際釋放崗位結(jié)構(gòu)30%

2020年中國人工智能人才供需比188.3

714%86.2

35.4

22.2

泛AI3%傳統(tǒng)技術(shù)

43%

452%

344%

98%

45%

17%

13%美國 印度 英國 中國人數(shù)（千人）

23%企業(yè)AI崗位空間比例較低

銷售 產(chǎn)品 高級 實用 高端 應(yīng)用 算法經(jīng)理 管理 技能 技術(shù) 開發(fā) 研究人才供需比（%）1.ElementAI（2020），艾瑞咨詢研究院根據(jù)公開資料研究及繪制；2.艾瑞咨詢《2020年中國人工智能產(chǎn)業(yè)研究報告》；3.工信部人才交流中心，N=2224，包括人工智能公司和互聯(lián)網(wǎng)、軟件及傳統(tǒng)公司，艾瑞咨詢研究院根據(jù)公開資料研究及繪制。?2021.11iResearchInc 13應(yīng)用部署障礙AI基礎(chǔ)設(shè)施、算法及數(shù)據(jù)質(zhì)量要求更高企業(yè)在實際應(yīng)用人工智能的過程中主要面臨基礎(chǔ)設(shè)施、AI算法及數(shù)據(jù)等方面的阻礙。在基礎(chǔ)設(shè)施方面，企業(yè)的IT基礎(chǔ)設(shè)施在海量數(shù)據(jù)參與運算和采取分布式架構(gòu)的條件下可能面臨算力不足以及不兼容問題，從而降低企業(yè)AI應(yīng)用的可用性；在算法領(lǐng)域，以“大模型”為代表的人工智能算法模型體現(xiàn)出模型參數(shù)的數(shù)量不斷增加的趨勢，高度復(fù)雜化的模型融入應(yīng)用程序后可能帶來應(yīng)用延遲的增加，而在交付和部署后對模型的修改也會給用戶帶來服務(wù)中斷等問題；此外，由于訓(xùn)練/測試環(huán)境和生產(chǎn)環(huán)境存在差異，實際應(yīng)用中的數(shù)據(jù)存在較多噪音、與模型匹配度較低，也會降低AI應(yīng)用的質(zhì)量?？傮w來看，尤其是中小企業(yè)在應(yīng)用和部署AI應(yīng)用過程中所遇到的障礙更需要高質(zhì)量的軟硬件平臺提供支持，降低開發(fā)者在基礎(chǔ)配置和運維方面的消耗的精力，并幫助開發(fā)者提升模型優(yōu)化能力。人工智能應(yīng)用在生產(chǎn)環(huán)境中面臨的應(yīng)用和部署障礙數(shù)據(jù)工作環(huán)境中的數(shù)據(jù)帶來的問題

模型匹配度低

生產(chǎn)環(huán)境中數(shù)據(jù)質(zhì)量存在波動，導(dǎo)致模型準(zhǔn)確度下降或出現(xiàn)錯誤歷史數(shù)據(jù)（trainingdata）和工作環(huán)境中的實際數(shù)據(jù)結(jié)構(gòu)差異較大，導(dǎo)致模型出現(xiàn)偏差算法基礎(chǔ)設(shè)施

AI模型和軟件本身導(dǎo)致的問題硬件及系統(tǒng)架構(gòu)帶來的問題

模型變更引起應(yīng)用中斷模型過于復(fù)雜帶來高延遲

由后臺模型的大規(guī)模更新帶來的前端應(yīng)用中斷、可用性降低模型過于復(fù)雜的設(shè)計會消耗更多計算資源，增加系統(tǒng)延遲特定的模型往往在部分硬件設(shè)施上表現(xiàn)更好大數(shù)據(jù)應(yīng)用規(guī)模不斷提升，算來源：艾瑞咨詢研究院自主研究及繪制。

算力限制不足以支撐規(guī)模應(yīng)用

力資源池不足可能導(dǎo)致可用性下降?2021.11iResearchInc 14投入-產(chǎn)出比不足企業(yè)應(yīng)用人工智能的回報尚不及預(yù)期據(jù)統(tǒng)計，目前我國企業(yè)，尤其是非科技類甲方企業(yè)應(yīng)用人工智能的效果還不盡如人意，許多企業(yè)表示人工智能落地后并未達(dá)到預(yù)期的投入產(chǎn)出比。在成本和支出方面，企業(yè)進行AI開發(fā)所需的人才和IT資源價格較高并處于相對稀缺狀態(tài)，引入AI給企業(yè)業(yè)務(wù)更迭和內(nèi)部管理等帶來的隱性成本也可能成為降低企業(yè)應(yīng)用AI效果的因素；在價值回報方面，盡管人工智能應(yīng)用在許多領(lǐng)域和場景已經(jīng)得到驗證，但對于不同的企業(yè)和具體工作環(huán)境，其效能可能并不穩(wěn)定。因此，成本和效能兩方面原因共同提高了AI應(yīng)用對于甲方企業(yè)的門檻，導(dǎo)致企業(yè)不能充分享受人工智能帶來的紅利。企業(yè)應(yīng)用人工智能回報不及預(yù)期的現(xiàn)狀及原因分析AI應(yīng)用ROIROI

成本和支出企業(yè)應(yīng)用人工智能的投入的資金成本包含人力和IT資源支出，前者主要為AI和數(shù)據(jù)專家的工作報酬，后者包含自建或購置云服務(wù)資源的成本，二者均位于較高水平ROI12.2%

9.8%

ROI指標(biāo)43.9%

在實際工作中，模型產(chǎn)出周期長、完成度低等問題給企業(yè)帶來管理和運維方面的額外投入，構(gòu)成了企業(yè)進行AI投入的隱性成本效能和價值由于經(jīng)驗的缺乏和模型的不足，企業(yè)應(yīng)用AI于生產(chǎn)環(huán)境中面臨模型精度不足這一直接問題在生產(chǎn)環(huán)境中，負(fù)載的動態(tài)變化、場景的快速迭代都將給模型的架構(gòu)和設(shè)計帶來考驗2020年我國就業(yè)年薪估算50

2019年部分AI模型訓(xùn)練成本（美國）AI模型AI模型硬件碳排放lb云計算成本TransformerbigP100x8192$635ELMoP100x3262$953BERTbaseV100x641438$8161NASP100x8626155$2072348GPT-2TPUv3x32-27955未設(shè)定明 9確ROI34.1%

AI技術(shù) IT行業(yè) 行業(yè)平均年薪（萬元）來源：1.艾瑞咨詢《2020年中國人工智能產(chǎn)業(yè)研究報告》大中型企業(yè)CTO/CIO調(diào)研，N=41，2020年9月；2.專家訪談，國家統(tǒng)計局，艾瑞咨詢研究院根據(jù)公開資料研究及繪制；3.《EnergyandPolicyConsiderationsforDeepLearninginNLP》，EmmaStrubell等，2019年6月。?2021.11iResearchInc 15云原生AI開發(fā)平臺云原生AI開發(fā)平臺以云原生容器服務(wù)為基礎(chǔ)架構(gòu)調(diào)用云資源，配合大數(shù)據(jù)計算、人工智能計算以及分布式計算框架，服務(wù)于企業(yè)的數(shù)據(jù)分析、模型訓(xùn)練以及AI應(yīng)用部署需求。借助容器、微服務(wù)、無服務(wù)器等云原生優(yōu)勢，企業(yè)和開發(fā)者得以在IT成本優(yōu)化的條件下實現(xiàn)AI算法高效訓(xùn)練、應(yīng)用敏捷開發(fā)、程序靈活部署和全生命周期管理。16云原生AI開發(fā)平臺架構(gòu)以云原生的敏捷高效賦能人工智能應(yīng)用開發(fā)與部署云原生AI開發(fā)平臺以云計算為基礎(chǔ)，因為考慮到信息安全和數(shù)據(jù)隱秘性，該類項目在實踐中通常以私有化部署和專有化部署的云服務(wù)器為基礎(chǔ)，通過容器組件進行IT資源的調(diào)用，以微服務(wù)架構(gòu)指導(dǎo)應(yīng)用設(shè)計和開發(fā)，并配置分布式、大數(shù)據(jù)和人工智能計算框架作為底層計算平臺。云原生AI開發(fā)平臺內(nèi)置數(shù)據(jù)智能標(biāo)注、智能模型開發(fā)、API開放平臺管理以及云原生應(yīng)用部署等功能模塊，輔以包括數(shù)據(jù)挖掘、網(wǎng)絡(luò)安全等在內(nèi)的數(shù)據(jù)資源管理系統(tǒng)，幫助企業(yè)敏捷、高效、安全地利用數(shù)據(jù)進行人工智能應(yīng)用開發(fā)，并在應(yīng)用部署過程中實現(xiàn)成本優(yōu)化和靈活的版本控制。AI開發(fā)平臺產(chǎn)品和服務(wù)架構(gòu)行業(yè)應(yīng)用場景 數(shù)據(jù)資源管理 面向金融、安防、互聯(lián)網(wǎng)、醫(yī)療等的行業(yè)的AI行業(yè)應(yīng)用場景數(shù)據(jù)資源管理面向金融、安防、互聯(lián)網(wǎng)、醫(yī)療等的行業(yè)的AISaaS服務(wù)學(xué)習(xí)平臺學(xué)習(xí)平臺高性能數(shù)據(jù)存儲基于知識圖譜的數(shù)據(jù)資產(chǎn)盤點智能搜索與查詢可交互數(shù)據(jù)可視化監(jiān)控全鏈路數(shù)據(jù)使用，保障數(shù)據(jù)信息安全數(shù)據(jù)資產(chǎn)ROI評估

數(shù)據(jù)智能標(biāo)注數(shù)據(jù)智能標(biāo)注圖像、視頻、文本、語音標(biāo)注綜合標(biāo)注數(shù)據(jù)集管理主動學(xué)習(xí)智能預(yù)標(biāo)注

模型開發(fā)和管理模型開發(fā)和管理模型編輯器大數(shù)據(jù)建模組件行業(yè)場景化模板可視化拖拽模型構(gòu)建組件模型倉庫兼容AI框架兼容大數(shù)據(jù)引擎

API開放平臺API開放平臺API網(wǎng)關(guān)API插件API編譯器行業(yè)及場景化API應(yīng)用模板API后臺管理

云原生部署云原生部署藍(lán)綠部署灰度發(fā)布A/B測試云基礎(chǔ)資源彈性伸縮模型部署優(yōu)化ps高效運維云原生分布式人工智能開發(fā)平臺機器學(xué)習(xí)框架（TensorFlow/PyTorch/Caffe/Alinketc…）生基礎(chǔ)設(shè)施云計算虛擬化平臺 分布式計算框架 云原生容器服務(wù) 生基礎(chǔ)設(shè)施基礎(chǔ)硬件（CPU/GPU/FPGA/NPU）及網(wǎng)絡(luò)通信設(shè)施基礎(chǔ)硬件（CPU/GPU/FPGA/NPU）及網(wǎng)絡(luò)通信設(shè)施來源：艾瑞咨詢研究院自主研究及繪制。?2021.11iResearchInc 17相關(guān)應(yīng)用圖譜

AIStationBrain++深泉先知AI云TempoAITIAIStationBrain++深泉先知AI云TempoAITIOpenDataHubModelArtsBML云原生AI開發(fā)平臺 智能模型效率化生產(chǎn)云原生AI開發(fā)平臺智能模型效率化生產(chǎn)PAISageMakerPAISageMakerOAM云原生應(yīng)用部署AI&大數(shù)據(jù)計算框架容器引擎OAM云原生應(yīng)用部署AI&大數(shù)據(jù)計算框架容器引擎容器編排云計算基礎(chǔ)設(shè)施云計算基礎(chǔ)設(shè)施注釋：本圖譜企業(yè)排名不分先后。來源：艾瑞咨詢研究院自主研究及繪制。?2021.11iResearchInc 18核心技術(shù)優(yōu)勢資源靈活運用，模型敏捷開發(fā)，應(yīng)用高效部署我們著眼于企業(yè)在云上進行AI開發(fā)的各個主要環(huán)節(jié)，可以發(fā)現(xiàn)這一過程也符合著名的“2-8法則”，在AI應(yīng)用中模型設(shè)計和算法精度才是決定其應(yīng)用價值的核心關(guān)鍵，但企業(yè)和開發(fā)者實際上將大部分的時間和精力投入了平臺搭建、系統(tǒng)調(diào)試、團隊磨合、監(jiān)控運維等“非核心”的工作中，云原生與AI開發(fā)平臺的結(jié)合幫助開發(fā)者減少對基礎(chǔ)IT資源的關(guān)注，并通過底層技術(shù)復(fù)用、開發(fā)流程可視化等方式提高開發(fā)效率，因而在IT基礎(chǔ)設(shè)施調(diào)用、模型編寫和測試優(yōu)化、模型和應(yīng)用封裝、應(yīng)用交付及運維等領(lǐng)域更具備成本效率優(yōu)勢。80 80 隨著數(shù)據(jù)量的增大和應(yīng)用規(guī)模的橫向拓展，人工智能在運行過程中易遇 成本高、可用性不足等問題運行維護鏡像倉庫敏捷化模型編寫IT基礎(chǔ)設(shè)施調(diào)用來源：艾瑞咨詢研究院自主研究及繪制。

隨著系統(tǒng)的復(fù)雜化，各類系統(tǒng)故障也易發(fā)生，通過日志分析、云原生智能運維等，能夠更快定位問題，快速恢復(fù)服務(wù)通過藍(lán)綠部署、灰度發(fā)布等功能，云原生組件幫助企業(yè)在進行人工智能應(yīng)用發(fā)布時更加靈活和敏捷，幫助企業(yè)在時刻變化的市場環(huán)境中快速應(yīng)對，縮短應(yīng)對的窗口期容器鏡像用于保存程序代碼及運行環(huán)境，與人工智能算法融合用于封裝AI算法和應(yīng)用，便于模型的部署交付以及版本更迭，也便于通過云原生技術(shù)社區(qū)進行交流學(xué)習(xí)人工智能模型訓(xùn)練需要對模型進行反復(fù)運行、評估、修正，通過pipeline等云原生帶來的自動化流程組件，能夠提高參數(shù)選擇、超參調(diào)優(yōu)等過程的自動化水平，提升模型產(chǎn)出速度人工智能開發(fā)框架為開發(fā)者提供可視化、可拖拽的編程模型，使開發(fā)者能夠?qū)崟r對模型運行過程進行把握，提高模型質(zhì)量，節(jié)約開發(fā)時間微服務(wù)架構(gòu)配合DevOps開發(fā)工具，使得開發(fā)團隊能以敏捷的方式進行復(fù)雜人工智能應(yīng)用的協(xié)同開發(fā)，提升企業(yè)IT效率和市場競爭力由于數(shù)據(jù)資產(chǎn)的隱私性，實踐中AI開發(fā)平臺多以公有/私有化部署結(jié)合的形式存在，容器及容器編排組件能幫助企業(yè)更高效地利用各類基礎(chǔ)設(shè)施性能結(jié)合Serverless無服務(wù)器架構(gòu)，能夠免去企業(yè)開發(fā)者用于配置平臺的繁瑣工作，提升企業(yè)創(chuàng)造力

20人工智能應(yīng)用開發(fā)也遵循普遍的“2-8法則”，通常認(rèn)為最有價值的部分是模型設(shè)計及算法精度，但實際工作中大量的成本被用于平臺搭建、系統(tǒng)調(diào)試等，云原生組件在這一領(lǐng)域幫助企業(yè)和開發(fā)者節(jié)省大量的時間和精力?2021.11iResearchInc 19核心技術(shù)優(yōu)勢：模型敏捷開發(fā)多種開發(fā)模式，賦能人工智能低門檻、高效能開發(fā)云原生AI開發(fā)平臺配備多種人工智能模型開發(fā)模式，其中較為典型的是可視化建模和編程式建模。前者利用JavaScript腳本等組件對算法進行封裝，使得用戶能夠通過拖拽等圖型界面進行模型開發(fā)，幫助對編程語言不熟悉的甲方企業(yè)的開發(fā)者乃至業(yè)務(wù)部門進行定制化開發(fā)；另一方面，編程式建模一般基于Tensorflow、PyTorch、Caffe等AI開發(fā)框架，利用Python等通用編程語言進行模型開發(fā)，由于上述開源框架普遍具備完備的功能，能夠賦予開發(fā)者更多的開發(fā)選項和進行編程優(yōu)化的空間。云原生組件如容器和微服務(wù)框架也能夠從底層架構(gòu)方面對編程、測試等過程進行支持，進一步提升開發(fā)者的開發(fā)效率。可視化&編程式建模為開發(fā)者提供多種AI開發(fā)方式可視化建模視圖利用可視化建模視圖利用JavaScript腳本等組件對算法和計算過程進行封裝，讓使用者能夠通過圖型界面進行人工智能算法的開發(fā)降低了AI開發(fā)門檻，提升了模型編寫效率尤其適合甲方企業(yè)內(nèi)部、對AI開發(fā)框架熟悉度較低的開發(fā)者乃至業(yè)務(wù)人員編程式建模視圖Worker:replicas:3restartPolicy:編程式建模視圖Worker:replicas:3restartPolicy:OnFailuretemplate:metadata:annotations:sidecar.istio.io/inject:"false"spec:containers:name:tensorflowimage:gcr.io/your-imagecommand:python-mtrainer.task--batch_size=32--training_steps=1000……能夠調(diào)用人工智能開發(fā)框架成熟的底層能力，擁有相對完備的功能和更高的自主性更適合有編程以及人工智能開發(fā)經(jīng)驗的熟練開發(fā)者來源：Kubeflow，艾瑞咨詢研究院根據(jù)公開資料研究及繪制。?2021.11iResearchInc 20核心技術(shù)優(yōu)勢：云原生部署云原生發(fā)布、部署、運維組件提供便捷的AI應(yīng)用管理渠道除人工智能算法編寫開發(fā)之外，云原生AI開發(fā)平臺利用豐富的云原生組件賦能企業(yè)更好地對AI應(yīng)用進行發(fā)布、部署、運維等方面的高效管理。除前文所提及的藍(lán)綠部署、灰度發(fā)布和DevOps運維等功能之外，云原生環(huán)境中常用的API接口和網(wǎng)關(guān)、便捷移植和擴容、邊緣側(cè)部署功能均對人工智能的規(guī)模應(yīng)用形成支撐，幫助企業(yè)提升用戶的使用體驗，并降低企業(yè)的IT經(jīng)營成本。云原生在AI應(yīng)用部署及運維管理方面的優(yōu)勢API接口和網(wǎng)關(guān)傳統(tǒng)是用在云原生環(huán)境中，可以用于實現(xiàn)大量微服務(wù)組件的集中管理、示例變更、負(fù)載均衡等功能

移植/擴容

&運維管理對于AI應(yīng)用而言，云原生理念和組件在應(yīng)用部署管理方面的功用相較于在開發(fā)側(cè)或更加顯著

敏捷迭代

運維云原生提供了便捷的日志工具以及如DevOps一類的運維環(huán)境，便捷復(fù)雜AI應(yīng)用的維護，提高應(yīng)用的效率應(yīng)用的可用性，也減少了配置和管理底層資源的成本

為了適應(yīng)市場需求變化與生產(chǎn)環(huán)境中數(shù)據(jù)質(zhì)量與維度的改變，企業(yè)對尤其是人工智能應(yīng)用設(shè)計和算法模型的迭代更新頻率較高，云原生更新組件幫助企業(yè)提升迭代效率、降低迭代摩擦來源：艾瑞咨詢研究院自主研究及繪制。?2021.11iResearchInc 21產(chǎn)品應(yīng)用價值經(jīng)橫向?qū)Ρ?，云原生AI開發(fā)平臺更具成本效用優(yōu)勢甲方企業(yè)獲得AI能力有多種渠道和方式，其中，從零開始進行自主研究能夠最大程度貼合企業(yè)自身需求，但考慮到一般甲方企業(yè)的AI人才有限，此方法無論是從IT成本角度還是從最終應(yīng)用水平角度上看都不合算，如果直接購買產(chǎn)品化的軟件，雖免去了開發(fā)流程，但未必能夠完全滿足企業(yè)自身的特殊需求。目前，通過AI開發(fā)平臺進行自主訂制化開發(fā)是企業(yè)常規(guī)的選擇，在此基礎(chǔ)上考慮各類基礎(chǔ)資源服務(wù)平臺，則基于云原生架構(gòu)的AI開發(fā)平臺在IT成本優(yōu)化、開發(fā)和部署效率、運維效果等方面具備較好的表現(xiàn)。尤其對于中小企業(yè)而言，云原生AI開發(fā)能夠幫助企業(yè)在更大程度上彌補由資金和人才短缺帶來的技術(shù)水平限制，利于企業(yè)平衡AI成本收益，打造符合企業(yè)需求的AI產(chǎn)品。甲方企業(yè)AI開發(fā)模式效果對比AI開發(fā)模式IT成本優(yōu)化客制化/部署效率運維效果AI性能完全自主研究購買商業(yè)化軟件--研發(fā)開源平臺純公有化商業(yè)平臺云原生商業(yè)平臺注釋：1.本對比不代表具體產(chǎn)品性能及特點，僅代表行業(yè)一般水平；2.圖中開源平臺的部署模式考慮為私有化/非云部署。來源：艾瑞咨詢研究院自主研究及繪制。?2021.11iResearchInc 22行業(yè)背景與產(chǎn)品綜述1行業(yè)背景與產(chǎn)品綜述1AI開發(fā)場景與實踐AI開發(fā)場景與實踐2AI開發(fā)平臺發(fā)展展望323互聯(lián)網(wǎng)娛樂場景的AI需求分析AI提升用戶體驗，并幫助企業(yè)實現(xiàn)精準(zhǔn)營銷互聯(lián)網(wǎng)娛樂行業(yè)的成長植根于各類前沿IT技術(shù)，其產(chǎn)品服務(wù)和商業(yè)模式的演進與IT技術(shù)的發(fā)展緊密相關(guān)。近年來隨著人工智能技術(shù)的進步，互聯(lián)網(wǎng)娛樂產(chǎn)品的形式和內(nèi)容也在不斷迎來創(chuàng)新，互聯(lián)網(wǎng)企業(yè)運用各類智能組件為用戶帶來了更強的沉浸感、交互感和趣味性，同時也利用用戶畫像和智能營銷系統(tǒng)充實客戶群體、提高用戶粘性。總的來說，人工智能在互聯(lián)網(wǎng)娛樂領(lǐng)域的應(yīng)用非常廣泛，同時，互娛企業(yè)在應(yīng)用人工智能的同時也面臨著設(shè)備、用戶體驗、推薦模型精度等方面的不足，仍有較大的改進空間。人工智能在互聯(lián)網(wǎng)娛樂場景的應(yīng)用需求和難點互聯(lián)網(wǎng)娛樂主要場景中的AI應(yīng)用需求影視+直播領(lǐng)域音樂領(lǐng)域游戲領(lǐng)域通用智能特效美顏/濾鏡智能音效真人K歌防沉迷系統(tǒng)反作弊系統(tǒng)用戶畫像關(guān)聯(lián)交友低時延交互高并發(fā)訪問風(fēng)格識別平滑切換低時延交互高并發(fā)訪問個性化推薦語音交互畫質(zhì)重塑自動標(biāo)簽智能創(chuàng)作聽歌識曲AR/VR動作捕捉內(nèi)容分發(fā)負(fù)載均衡音質(zhì)優(yōu)化視頻摘要外語轉(zhuǎn)譯音樂鑒權(quán)操作評估機器人玩家智能運維智能客服互聯(lián)網(wǎng)娛樂行業(yè)對流量邏輯有著較強依賴，利用AI進行精準(zhǔn)用戶畫像和智能營銷已成為企業(yè)重要的獲客手段，然而目前這一領(lǐng)域的算法精度還有待提高。精度體驗 互聯(lián)網(wǎng)娛樂場景中的AI應(yīng)用難點 互聯(lián)網(wǎng)娛樂行業(yè)對流量邏輯有著較強依賴，利用AI進行精準(zhǔn)用戶畫像和智能營銷已成為企業(yè)重要的獲客手段，然而目前這一領(lǐng)域的算法精度還有待提高。精度體驗設(shè)備包括互聯(lián)網(wǎng)廠商的服務(wù)器、網(wǎng)絡(luò)基礎(chǔ)設(shè)施、用戶使用的終端在內(nèi)，設(shè)備本身的性能限制了包括AI在內(nèi)的應(yīng)用的性能，對于游戲、超高清視頻應(yīng)用尤其如此。設(shè)備

無論是直播互動、音視頻增強還是機器人玩家，在互娛場景，AI應(yīng)用始終需要關(guān)注的是用戶體驗，目前許多領(lǐng)域的AI應(yīng)用仿真度、實時性等并不能讓用戶完全滿意，還有很大提升空間。來源：艾瑞咨詢研究院自主研究及繪制。?2021.11iResearchInc 24智能推薦助力打造私人定制影院，提升差異化服務(wù)體驗?zāi)瞎想娪笆菍Ｗ⒂谟耙暰坊\營的垂直類視頻產(chǎn)品，通過移動互聯(lián)網(wǎng)、OTT等客戶端提供精品化、差異化的內(nèi)容運營服務(wù)。隨著互聯(lián)網(wǎng)娛樂行業(yè)對用戶時間和關(guān)注度的持續(xù)爭奪，通過智能算法對用戶進行精準(zhǔn)畫像并提供內(nèi)容推薦成為行業(yè)趨勢，但在實踐中存在推薦精度不足、算法參數(shù)復(fù)雜等問題。阿里云智能推薦為南瓜電影APP提供了“南瓜為你推薦”、“根據(jù)您看過的《XX》推薦”、“類似影視”板塊的推薦服務(wù)，結(jié)合電影語義分析、內(nèi)容關(guān)聯(lián)以及用戶行為分析，融合多目標(biāo)優(yōu)化，包括停留時長、點擊率、消費等指標(biāo)，可根據(jù)不同用戶的習(xí)慣智能生成用戶畫像、結(jié)合用戶長短期興趣喜好進行個性化推薦。南瓜電影×阿里云：長/短視頻智能推薦服務(wù)業(yè)務(wù)難點 解決方案&產(chǎn)品價值 阿里云智能推薦產(chǎn)品架構(gòu)業(yè)務(wù)難點解決方案&產(chǎn)品價值阿里云智能推薦產(chǎn)品架構(gòu)長視頻推薦需兼顧多目標(biāo)：電影、連續(xù)劇作推薦具備時長、集數(shù)等概念，需要兼顧點擊率、停留時長、播放數(shù)量等目標(biāo)和參數(shù)推薦精準(zhǔn)度要求高：需要結(jié)合電影的素材、主題、核心內(nèi)容、片段內(nèi)容等包含語義理解、深度解讀等特征來豐富物料畫像曝光過濾設(shè)置：有時用戶缺少完整的時間段來完成一次長視頻觀看，平臺需考慮用戶的重復(fù)觸達(dá)需求，設(shè)置合理的曝光過濾時間長短視頻的多樣性結(jié)合：短視頻板塊將電影中的精彩畫面集中呈現(xiàn)，為用戶帶來獨特的觀影體驗，推薦需要根據(jù)用戶的需求、習(xí)慣，融合不同視頻類型的特點、目標(biāo)，多方位激發(fā)用戶興趣，增強用戶粘性，增加用戶停留時長

豐富的電影標(biāo)簽：結(jié)合電影題材介紹、影評等內(nèi)容，通過語義分析和自動打標(biāo)來豐富電影標(biāo)簽，并通過專業(yè)的運營、剪輯團隊，將這些標(biāo)簽作為物料的重要特征輸入到推薦系統(tǒng)中，提高推薦的精準(zhǔn)度業(yè)務(wù)開發(fā)者推薦模型和處理控制中心業(yè)務(wù)開發(fā)者推薦模型和處理控制中心行業(yè) 場景數(shù)據(jù)管理高級配置及實時召回單目標(biāo)算法預(yù)測實驗歷史召回與多目標(biāo)效果冷啟動預(yù)測監(jiān)控實時計算在線計算離線計算打造短視頻專區(qū)：南瓜電影為用戶打造了電影片段（短視頻）的推薦專區(qū)，實時計算在線計算離線計算開發(fā)自有數(shù)據(jù)庫行為類數(shù)據(jù)物品類數(shù)據(jù)用戶類數(shù)據(jù)開發(fā)者運營需求開發(fā)自有數(shù)據(jù)庫行為類數(shù)據(jù)物品類數(shù)據(jù)用戶類數(shù)據(jù)開發(fā)者運營需求業(yè)務(wù)配置來源：艾瑞咨詢研究院自主研究及繪制。?2021.11iResearchInc 25金融場景的AI需求分析AI貫穿金融機構(gòu)運營多個流程，提升機構(gòu)經(jīng)營質(zhì)量金融行業(yè)的運行無處不與數(shù)字打交道，這一特性決定了金融業(yè)務(wù)與大數(shù)據(jù)和人工智能應(yīng)用有著天然的契合性，加之金融機構(gòu)普遍資金充足、信息化水平相對較高，因此對人工智能的投入度較高，與IT企業(yè)的合作開發(fā)也較多。具體來看，人工智能在金融機構(gòu)的營銷決策、智能門店建設(shè)、在線服務(wù)、風(fēng)控合規(guī)等領(lǐng)域都有較多的應(yīng)用，與低代碼、RPA等效率工具配合，能夠替代金融機構(gòu)員工完成大量重復(fù)性高且復(fù)雜的工作，提升機構(gòu)運營的效率，并避免人工操作帶來的疏漏。另一方面，金融機構(gòu)客戶群體較大，需要實時處理海量數(shù)據(jù)，且金融服務(wù)對交易數(shù)據(jù)實時性和同步要求超過其他任何行業(yè)，更需要人工智能在滿足客戶和機構(gòu)需求的同時不能夠?qū)ο到y(tǒng)性能造成顯著影響。金融業(yè)務(wù)場景放中的AI開發(fā)需求與難點營銷運營營銷運營客戶畫像資金追蹤客戶畫像資金追蹤產(chǎn)品推薦

應(yīng)用難點精準(zhǔn)營銷海量數(shù)據(jù)超低時延 數(shù)據(jù)時效性 異構(gòu)性精準(zhǔn)營銷海量數(shù)據(jù)量化投資系統(tǒng)環(huán)境差機構(gòu)復(fù)雜 市場噪音 隱私保護 量化投資

風(fēng)控合規(guī)身份認(rèn)證 反洗錢違約風(fēng)險 欺詐風(fēng)險逾期風(fēng)險 智能預(yù)警資本充足監(jiān)控

智能門店網(wǎng)點布局機器大堂經(jīng)理網(wǎng)點布局

遠(yuǎn)程服務(wù)政策文本分析風(fēng)險偏好評估政策文本分析

身份認(rèn)證智能投顧保險認(rèn)定來源：艾瑞咨詢研究院自主研究及繪制。?2021.11iResearchInc 26集成科學(xué)計算引擎Mars，高效利用計算資源賦能業(yè)務(wù)量化金融是大數(shù)據(jù)時代金融行業(yè)的發(fā)展方向之一，金融量化科學(xué)計算大量依賴NumPy、pandas等庫來處理數(shù)據(jù)，這些工具運用符合直覺的處理方式來分析數(shù)據(jù)和提煉有用信息，然而，金融量化數(shù)據(jù)具備數(shù)據(jù)計算量大、性能要求高、開發(fā)資源不夠集中等特點。阿里云自研的科學(xué)計算引擎Mars與NumPy和pandasAPI兼容，能夠利用分布式和GPU硬件提升計算框架的性能，并與PAI-DSW深度集成，使得用戶能夠在PAI-DSW中直接使用Mars。用戶通過阿里云PAI進行金融量化計算，能夠充分實現(xiàn)計算環(huán)境容器化、計算資源彈性化、離線任務(wù)工程化，幫助解決環(huán)境管理困難、資源分配復(fù)雜、策略回測難度大等量化計算的關(guān)鍵問題。阿里云：金融量化科學(xué)計算方案開發(fā)者離線數(shù)倉開發(fā)者離線數(shù)倉MaxCompute文件存儲NAS對象存儲OSS日志存儲SLS業(yè)務(wù)數(shù)據(jù)庫SQL/NoSQL場景及方案介紹：金融量化數(shù)據(jù)在大規(guī)模計算上常場景及方案介紹：金融量化數(shù)據(jù)在大規(guī)模計算上常常遇到性能瓶頸。PAI平臺金融量化科學(xué)技術(shù)實踐為客戶帶來基于PAI-DSW、Mars和PAI-EFLOPS進行大規(guī)?？茖W(xué)計算的加速方案PAI-DSW云原生交互式建模 PAI-DSW云原生交互式建模ACR容器鏡像服務(wù)推送鏡像PAI-DLCAI基礎(chǔ)平臺提交PAI-DLCAI基礎(chǔ)平臺

業(yè)務(wù)場景PAI-EAS模型在線服務(wù)解決問題：業(yè)務(wù)場景PAI-EAS模型在線服務(wù)解決問題：環(huán)境管理困難本地化自建策略研發(fā)平臺容易導(dǎo)致環(huán)境不一致資源分配復(fù)雜任務(wù)資源分配不均導(dǎo)致資源搶占策略回測麻煩數(shù)據(jù)量大、算法版本不一致導(dǎo)致策略測試?yán)щy調(diào)用提交定時調(diào)度 定時調(diào)度DataWroks調(diào)度中心DataWroks調(diào)度中心來源：艾瑞咨詢研究院自主研究及繪制。?2021.11iResearchInc 27自動駕駛場景的AI需求分析AI為實現(xiàn)自動駕駛的核心技術(shù)，準(zhǔn)度和性能要求極高在智能化、網(wǎng)聯(lián)化、電動化、共享化的背景下，自動駕駛成為智能網(wǎng)聯(lián)汽車行業(yè)發(fā)展的重點，也成為了下一代汽車企業(yè)轉(zhuǎn)型升級的技術(shù)高地。自動駕駛對算力、實時性、安全性等系統(tǒng)性能的要求極高，且自動駕駛的工作環(huán)境復(fù)雜多變又涉及公共交通安全，要求計算機在極短時間做出正確的判斷，因此需要以強大的算力、算法和數(shù)據(jù)傳輸能力作為支撐。在自動駕駛實現(xiàn)過程中，人工智能算法承接傳感器接收的實時信息并進行數(shù)字化處理和分析，經(jīng)過決策算法對周圍環(huán)境進行的判斷和預(yù)測，并對駕駛操作進行調(diào)整。自動駕駛場景中的人工智能應(yīng)用需求及難點動力控制 自動駕駛?cè)斯ぶ悄苡嬎憧刂破脚_ 動力控制攝像頭網(wǎng)絡(luò)通信安全模組攝像頭網(wǎng)絡(luò)通信安全模組車身控制雷達(dá)傳感器融合其他傳感器控制決策規(guī)劃計算處理感知感知算法車身控制雷達(dá)傳感器融合其他傳感器控制決策規(guī)劃計算處理感知目標(biāo)檢測與識別目標(biāo)跟蹤目標(biāo)檢測與識別目標(biāo)跟蹤感知算法負(fù)責(zé)綜合各傳感器的反饋內(nèi)容確定數(shù)字圖像中物體的類別和位置，并對后續(xù)幀中的目標(biāo)的大小和位置進行預(yù)測

決策算法避障路徑規(guī)劃行為規(guī)劃避障路徑規(guī)劃行為規(guī)劃決策算法基于感知層提供的信息預(yù)測道路、行人、車輛情況的變化，做出進一步的駕駛決策

控制算法車輛操控系統(tǒng)通過總線與決策系統(tǒng)相連接，并按照決策系統(tǒng)發(fā)出的總線指令精確地控制加速程度、制動程度及轉(zhuǎn)向幅度等駕駛動作難點在實際應(yīng)用中的道路、行人、汽車狀況紛繁復(fù)雜，計算機需要在極短的時間內(nèi)處理海量異構(gòu)數(shù)據(jù)并以超低時延的方式傳達(dá)給汽車控制終端，從而對網(wǎng)絡(luò)、算力和算法都提出了極高要求。同時，自動駕駛過程所涉深度學(xué)習(xí)模型復(fù)雜，模型可見度低，在出錯后難以進行溯源和改進難點來源：《2018-2019年中國自動駕駛產(chǎn)業(yè)發(fā)展藍(lán)皮書》，艾瑞咨詢研究院根據(jù)公開資料研究及繪制。?2021.11iResearchInc 28AI開發(fā)、存儲及專網(wǎng)服務(wù)，提供高性能數(shù)據(jù)訓(xùn)練服務(wù)為了應(yīng)對復(fù)雜的自動駕駛實際環(huán)境，一方面需要后臺的自動駕駛算法盡可能做到精確，另一方面也需要人工智能應(yīng)用通過高效的部署模式來提高運行效果，才能夠最大程度保障行車安全。阿里云自動駕駛解決方案以飛天AI加速工具PAI-DLC為核心，一方面借助網(wǎng)絡(luò)專線、對象存儲等功能收集行車數(shù)據(jù)進行清洗標(biāo)注和模型訓(xùn)練，另一方面利用云原生工具進行應(yīng)用部署和任務(wù)分發(fā)，更好地調(diào)用GPU、裸金屬服務(wù)器、神龍等底層算力設(shè)施的能力。整體來看，該解決方案面向自動駕駛場景中的諸多難點，全方位融合了AI開發(fā)、存儲及專網(wǎng)服務(wù)，打造一體化的數(shù)據(jù)服務(wù)能力。阿里云：自動駕駛數(shù)據(jù)云上訓(xùn)練解決方案數(shù)據(jù)采集 清洗標(biāo)注 模型訓(xùn)練 模型部署與推理無人車/車載設(shè)備數(shù)據(jù)源

清洗標(biāo)注集群

PAI-DLC車載閃電立方

ACK聚群管理&任務(wù)分發(fā)層阿里云ECC網(wǎng)絡(luò)專線

OSS對象存儲

GPU云服務(wù)器

50Gb/sRDMA

裸金屬實例

50Gb/sRDMA

神龍GPU實例1-10G專線用于采集數(shù)據(jù)上云

海量數(shù)據(jù)存儲/分發(fā)/歸檔

NAS/CPFS并行文件存儲借助PAI平臺豐富的模型積累和友好的開發(fā)工具，提升模型訓(xùn)練效率，降低開發(fā)工作難度利用云原生架構(gòu)統(tǒng)籌諸多云基礎(chǔ)設(shè)施，提升計算效能和訓(xùn)練精準(zhǔn)度通過阿里云存儲、網(wǎng)絡(luò)等基礎(chǔ)設(shè)施提升數(shù)據(jù)運營效率、保障隱私數(shù)據(jù)安全，提升應(yīng)用穩(wěn)定性來源：艾瑞咨詢研究院自主研究及繪制。?2021.11iResearchInc 29制造業(yè)場景AI需求分析通過高效自動化和智能決策，幫助企業(yè)實現(xiàn)降本增效以人工智能應(yīng)用賦能制造業(yè)發(fā)展是我國進行制造業(yè)產(chǎn)業(yè)升級、建設(shè)工業(yè)互聯(lián)網(wǎng)平臺的關(guān)鍵。當(dāng)前人工智能主要通過三種模式融入工業(yè)互聯(lián)網(wǎng)：第一，將AI模型嵌入工業(yè)互聯(lián)網(wǎng)平臺層，提升平臺層數(shù)據(jù)分析能力；第二，提供工業(yè)AI軟件系統(tǒng)，并通過云端部署形成工業(yè)互聯(lián)網(wǎng)SaaS層應(yīng)用；第三，提供工業(yè)互聯(lián)網(wǎng)框架下含軟件和邊緣側(cè)硬件的完整系統(tǒng)。具體到制造企業(yè)的生產(chǎn)流程中，上述應(yīng)用廣泛融入企業(yè)從產(chǎn)品設(shè)計、供應(yīng)鏈管理到生產(chǎn)制造和銷售運營的各個環(huán)節(jié)，能夠通過提升自動化和決策智能化水平為企業(yè)帶來降本增效價值。制造業(yè)場景中的人工智能應(yīng)用需求及難點客戶畫像智能客服

產(chǎn)品定價故障識別

銷售策略 AR看貨 維修方案

自動送貨效能人工智能幫助制造業(yè)企業(yè)提升自動化程度和數(shù)字化程度，更好地利用數(shù)據(jù)實現(xiàn)企業(yè)經(jīng)營的降本增效應(yīng)用難點IT基礎(chǔ)差：企業(yè)尤其是工廠效能人工智能幫助制造業(yè)企業(yè)提升自動化程度和數(shù)字化程度，更好地利用數(shù)據(jù)實現(xiàn)企業(yè)經(jīng)營的降本增效應(yīng)用難點IT基礎(chǔ)差：企業(yè)尤其是工廠往往地處較偏遠(yuǎn)位置，網(wǎng)絡(luò)、算力等基礎(chǔ)能力較差；部分經(jīng)過早期數(shù)字化升級的工廠采用的數(shù)據(jù)標(biāo)準(zhǔn)、通信協(xié)議不統(tǒng)一，造成數(shù)據(jù)孤島問題，需進行改造AI成本較高：制造業(yè)人工智能應(yīng)用需要較多的傳感器、機器人硬件設(shè)備作為基礎(chǔ)，后期的算法開發(fā)、運維成本也相對較高工控要求高：對于部分高精制造類應(yīng)用，要求IT系統(tǒng)提供超低時延、超高精度的識別和控制性能生產(chǎn)電力控制生產(chǎn)質(zhì)量追蹤

工業(yè)機器人員工管理

數(shù)控流水線 產(chǎn)品質(zhì)檢事故預(yù)警

設(shè)備維護智能安防理需求預(yù)測理無人巡檢

價格預(yù)測流水出貨

自動駕駛 貨物質(zhì)檢事故預(yù)警

自動堆垛智能安防需求分析 產(chǎn)品策略 文字識別 圖片識別 智能繪圖來源：艾瑞咨詢研究院自主研究及繪制。?2021.11iResearchInc

30智能監(jiān)控高壓線路狀況，降低生產(chǎn)安全隱患在制造場景的諸多人工智能應(yīng)用中，電源線路檢查屬于最基本的需求之一，不僅關(guān)系到最核心的人身和財產(chǎn)安全性問題，在生產(chǎn)場景中的部署密度也較高。一般而言，生產(chǎn)場景中的電源線路可能面臨的安全隱患包括線路自然老化、交通工具擦掛、異物附著、煙火點燃、其他施工機械接觸等，上述隱患通過人工檢查不僅工作繁雜，在實踐中更難以面面俱到。阿里云高壓線路安全檢測方案依托云原生機械學(xué)習(xí)平臺PAI，以計算機視覺為基礎(chǔ)，配合豐富的圖像數(shù)據(jù)庫和精準(zhǔn)的模型算法，再輔以分布式部署的線上模型推斷服務(wù)，幫助制造企業(yè)以更高效、高精準(zhǔn)度和低成本的方式進行線路檢查，保護企業(yè)的經(jīng)營安全。阿里云：高壓線路安全生產(chǎn)檢測方案阿里云云原生機器學(xué)習(xí)平臺PAI阿里云云原生機器學(xué)習(xí)平臺PAI

圖像打標(biāo)訓(xùn)練方式數(shù)據(jù)科學(xué)家/

已標(biāo)注數(shù)據(jù)集人工智能線路安全檢查難點線路較長，途徑生產(chǎn)環(huán)境多變高壓線路可能面臨自然老化、交通工具擦掛、異物附著、煙火點燃、其他施工機械等安全隱患人工智能線路安全檢查難點線路較長，途徑生產(chǎn)環(huán)境多變高壓線路可能面臨自然老化、交通工具擦掛、異物附著、煙火點燃、其他施工機械等安全隱患高壓線路如果發(fā)生意外，對人身和生產(chǎn)安全的危害極大，安全檢測能力須達(dá)到極高要求解決方案綜述該解決方案結(jié)合物聯(lián)網(wǎng)設(shè)備采集和系統(tǒng)圖庫進行圖像打標(biāo)，依托阿里云PAI豐富的模型訓(xùn)練框架進行圖像識別和決策判斷，并利用云原生架構(gòu)進行靈活的邊緣側(cè)應(yīng)用部署，提高AI應(yīng)用的準(zhǔn)確性和速度開發(fā)人員

已有模型訓(xùn)練計算機

線上模型服務(wù) 部署模型 檢測分類模型來源：艾瑞咨詢研究院自主研究及繪制。?2021.11iResearchInc 31開發(fā)者業(yè)務(wù)開發(fā)者業(yè)務(wù)JPush JMessage JShare（推送） 分享 JMlink （調(diào)用鏈）&認(rèn)證算法與IT基礎(chǔ)能力共同提升，顯著優(yōu)化關(guān)鍵業(yè)務(wù)ROI極光（AuroraMobile）成立于2012年，專注于為開發(fā)者提供穩(wěn)定高效的消息推送、一鍵認(rèn)證以及流量變現(xiàn)等服務(wù)，助力開發(fā)者的運營、增長與變現(xiàn)，在市場洞察、金融風(fēng)控與商業(yè)地理服務(wù)等場景中都有應(yīng)用。企業(yè)希望優(yōu)化基礎(chǔ)資源能力和算法能力以提升消息推送效率，最終提升用戶粘性和活躍度。通過與阿里云PAI的合作，企業(yè)將FM模型轉(zhuǎn)化成DeepFM模型并將線下的Angel模型轉(zhuǎn)化成PAI-TF，實現(xiàn)了算法模型指標(biāo)的提升；同時，企業(yè)利用線上的模型訓(xùn)練環(huán)境大幅增加了模型訓(xùn)練的迭代次數(shù)，擺脫了此前線下IT基礎(chǔ)設(shè)施的限制，最終實現(xiàn)了AUC、上線后點擊率等相關(guān)業(yè)務(wù)指標(biāo)的顯著提高。為了幫助開發(fā)者增加其APP的用戶粘性、提升活躍度、盡可能喚醒APP沉默用戶，極光需要根據(jù)標(biāo)簽來決定推送哪類App的信息，所以需要用到CTR預(yù)估的相關(guān)推薦技術(shù)?？蛻羰芟抻诰€下原有技術(shù)架構(gòu)，算法模型，以及算力規(guī)模，期望借助云計算廠商的能力提升ROI。為了幫助開發(fā)者增加其APP的用戶粘性、提升活躍度、盡可能喚醒APP沉默用戶，極光需要根據(jù)標(biāo)簽來決定推送哪類App的信息，所以需要用到CTR預(yù)估的相關(guān)推薦技術(shù)。客戶受限于線下原有技術(shù)架構(gòu)，算法模型，以及算力規(guī)模，期望借助云計算廠商的能力提升ROI。極光SDK管理控制臺第三方App業(yè)務(wù)系統(tǒng)政企客戶極光SDK管理控制臺第三方App業(yè)務(wù)系統(tǒng)政企客戶TCP HTTPS RestAPI 解決方案JIOTJIOT(IOTSAAS)設(shè)備接入設(shè)備影子設(shè)備管理設(shè)備日志 統(tǒng)計服務(wù) 數(shù)據(jù)服務(wù)營銷平臺SSP媒體服務(wù)城市規(guī)劃風(fēng)控建模大數(shù)據(jù)系統(tǒng)日志系統(tǒng)調(diào)度系統(tǒng)解決方案與實施一期升級借助PAI-Studio幫助客戶從基于機器學(xué)習(xí)FM模型升級到基于深度學(xué)習(xí)的大數(shù)據(jù)系統(tǒng)日志系統(tǒng)調(diào)度系統(tǒng)解決方案與實施一期升級借助PAI-Studio幫助客戶從基于機器學(xué)習(xí)FM模型升級到基于深度學(xué)習(xí)的DeepFM，將線下的訓(xùn)練轉(zhuǎn)化為云上的訓(xùn)練；二期升級將客戶的線下離線推理也轉(zhuǎn)化成PAI-EAS在線推理，進一步提升應(yīng)用效能。線下IDC研發(fā)管理缺陷跟蹤CI/CD版本管理運營監(jiān)控監(jiān)控大屏告警管理調(diào)度切流來源：艾瑞咨詢研究院自主研究及繪制。?2021.11iResearchInc 32行業(yè)背景與產(chǎn)品綜述1行業(yè)背景與產(chǎn)品綜述1AI開發(fā)場景與實踐AI開發(fā)場景與實踐2AI開發(fā)平臺發(fā)展展望333行業(yè)趨勢綜述產(chǎn)品易用性、綜合性不斷提升，幫助企業(yè)形成AI規(guī)模經(jīng)濟企業(yè)進行人工智能應(yīng)用開發(fā)的核心資源大致經(jīng)歷了三個發(fā)展階段：在雛形期，應(yīng)用開發(fā)主要依靠開源模型或開發(fā)者自發(fā)分享的代碼進行；隨著AI技術(shù)發(fā)展和需求激增，開源框架陸續(xù)出現(xiàn)，助力開發(fā)人員快速生成及訓(xùn)練模型，開源框架也成為了眾多AI開發(fā)平臺的基礎(chǔ)；后續(xù)AI產(chǎn)業(yè)化進程加速，為滿足智能化轉(zhuǎn)型需求方對多層次資源的多樣性需求，專業(yè)化的商用的AI開發(fā)平臺出現(xiàn)，致力于為甲方提供一站式的AI模型生產(chǎn)服務(wù)。為了進一步滿足企業(yè)運用人工智能過程中全方位的需求，AI開發(fā)平臺還將朝著易用性、專業(yè)化、綜合性、產(chǎn)用協(xié)同等方向發(fā)展，在這一過程中，在底層技術(shù)、IT資源、人才和經(jīng)驗等方面具備優(yōu)勢的頭部平臺產(chǎn)品將能夠更好地協(xié)助企業(yè)形成人工智能應(yīng)用的規(guī)模經(jīng)濟。人工智能開發(fā)的核心資源演化以及未來發(fā)展趨勢算法庫雛形期

開源框架驅(qū)動需求：處于AI應(yīng)用的初級階段，更關(guān)注算法層面的資源易得性。

規(guī)?；a(chǎn)初期驅(qū)動需求：企業(yè)不再滿足于多渠道采購單點式工具資源的方式，希望有滿足覆蓋數(shù)據(jù)治理、算法模型開發(fā)、算力調(diào)用等的一站式、全流程效率化生產(chǎn)工具。借助平臺化的開發(fā)工具集合，突破算法訓(xùn)練、模型評估及部署等阻礙AI模型生產(chǎn)應(yīng)用的瓶頸，幫助企業(yè)建立自身的AI能力，實現(xiàn)AI能力的快速迭代生產(chǎn)。

易用性受到更多關(guān)注：隨著模型庫完善和獲取渠道的增加，企業(yè)用戶將更加關(guān)注人工智能在應(yīng)用層面的便捷性和實用性，產(chǎn)品設(shè)計和包裝的重要性加強。垂直場景專業(yè)化加強：現(xiàn)階段人工智能算法和應(yīng)用的通用性較強，由于缺乏行業(yè)實際經(jīng)驗和專業(yè)人才，大多行業(yè)性應(yīng)用也僅僅是對通用模型進行微調(diào)，未來這一狀況有望得到改善。綜合性的人工智能服務(wù)平臺：企業(yè)需要的人工智能服務(wù)與大數(shù)據(jù)服務(wù)、云計算服務(wù)等將越來越緊密融合，綜合性的人工智能服務(wù)平臺將成為業(yè)界主流。產(chǎn)用協(xié)同的行業(yè)生態(tài)：人工智能的進步將越來越多地依靠用戶側(cè)的自主模型優(yōu)化和自適應(yīng)調(diào)整，在這一過程中，開源社區(qū)和開放的AI交流平臺將發(fā)揮重要作用。頭部平臺將凝聚AI生產(chǎn)力：綜合考慮包括人才和經(jīng)驗積累、IT基礎(chǔ)資源、研發(fā)投入以及社區(qū)交互等因素，結(jié)合全球AI產(chǎn)業(yè)經(jīng)驗，頭部人工智能平臺將為企業(yè)在AI領(lǐng)域?qū)崿F(xiàn)規(guī)模效應(yīng)提供更強大助力。來源：艾瑞咨詢研究院自主研究及繪制。?2021.11iResearchInc 34產(chǎn)品廣度（1/2）/模型開發(fā)/數(shù)據(jù)應(yīng)用緊密協(xié)同現(xiàn)今大數(shù)據(jù)產(chǎn)業(yè)在獨立的領(lǐng)域如數(shù)據(jù)庫、智能搜索、數(shù)據(jù)可視化及人工智能領(lǐng)域均實現(xiàn)了一定突破，應(yīng)用價值得到了普遍的認(rèn)可。未來大數(shù)據(jù)相關(guān)產(chǎn)品將以數(shù)據(jù)資產(chǎn)為中心，實現(xiàn)進一步整合和協(xié)同，最終形成商業(yè)數(shù)據(jù)智能、AI模型開發(fā)、數(shù)據(jù)智能應(yīng)用三大飛輪，分別為企業(yè)的數(shù)字化運營提供精準(zhǔn)決策、生產(chǎn)工具、經(jīng)營管理方面的支持。同時，三個飛輪所代表的業(yè)務(wù)體系和流程將彼此融合、緊密關(guān)聯(lián)，對應(yīng)著一類鏈路更加復(fù)雜的工具，IT廠商或?qū)⒁袁F(xiàn)有的云原生AI開發(fā)平臺為基礎(chǔ)進行服務(wù)擴充和集成，而云原生組件則有望在這一高度集成的服務(wù)鏈中發(fā)揮服務(wù)編排作用。以數(shù)據(jù)為核心，融合AI與大數(shù)據(jù)分析的企業(yè)數(shù)據(jù)應(yīng)用飛輪AIOps/MLOps

精準(zhǔn)營銷

云原生發(fā)布應(yīng)用創(chuàng)新數(shù)據(jù)資產(chǎn)

模型測試

3 數(shù)據(jù)智能應(yīng)用飛輪——以數(shù)據(jù)為核心的企業(yè)運營，形成產(chǎn)品創(chuàng)造數(shù)據(jù)、數(shù)據(jù)打磨產(chǎn)品循環(huán)2 AI模型開發(fā)飛輪——數(shù)據(jù)價值挖掘，提升自動化水平，實現(xiàn)業(yè)務(wù)創(chuàng)新運營數(shù)據(jù)&報告

查詢&搜索可視化

智能標(biāo)注大數(shù)據(jù)分析

AI敏捷開發(fā)

1 商業(yè)數(shù)據(jù)智能飛輪——經(jīng)營數(shù)據(jù)分析、賦能企業(yè)精準(zhǔn)決策?2021.11iResearchInc 35產(chǎn)品廣度（2/2）DevOps和AIOps有望進一步提升AI開發(fā)運維效率頭部云計算和人工智能廠商在不斷對包括人工智能在內(nèi)的數(shù)字化產(chǎn)品進行豐富和升級，DevOps和AIOps/MLOps均有望與當(dāng)前的云原生開發(fā)平臺進行深度集成，進一步提升企業(yè)進行人工智能開發(fā)和應(yīng)用效率。其中，DevOps是云原生服務(wù)于軟件開發(fā)的應(yīng)用流程，主要用于軟件的協(xié)作編程開發(fā)，目前和AI算法模型的編寫流程并不完全相通，但仍能用于模型封裝成軟件應(yīng)用之后的開發(fā)流程。另一方面，AIOps/MLOps原本主要用于軟件上線部署后的運維，不僅能夠幫助甲方企業(yè)進行復(fù)雜AI應(yīng)用的監(jiān)測，從而提升客戶體驗，也能利用自動化流程來進行模型效果的測試。目前AIOps不僅是國內(nèi)IT運維產(chǎn)業(yè)的發(fā)展新方向，也有望成為云原生AI開發(fā)平臺優(yōu)先的集成方向。DevOps與AIOps與云原生AI開發(fā)平臺的協(xié)同DevOps云原生的主要概念之一適用于軟件編程開發(fā)通過流水線組件提供便捷的協(xié)同開發(fā)環(huán)境通過容器環(huán)境，讓開發(fā)者介入運維流程，打破開發(fā)-運維部門的壁壘，提升運維流程

AIOps/MLOps新一代IT運維工具以AI算法代替人工進行系統(tǒng)故障檢查、根因分析、事前預(yù)警需要大量系統(tǒng)數(shù)據(jù)沉淀以及AI算法的加持來源：艾瑞咨詢研究院自主研究及繪制。?2021.11iResearchInc 36服務(wù)業(yè)態(tài)AI開發(fā)平臺與IT基礎(chǔ)設(shè)施進一步融合，提升計算能力隨著數(shù)字經(jīng)濟大發(fā)展，數(shù)據(jù)量爆發(fā)，應(yīng)用類型豐富，原有的IT基礎(chǔ)設(shè)施無法滿足AI應(yīng)用需求。近年來，適宜于大規(guī)模數(shù)據(jù)集群計算的CPU、GPU、DPU等計算芯片不斷推陳出新，內(nèi)存、虛擬化、網(wǎng)絡(luò)等IT基礎(chǔ)層技術(shù)也都在向著大規(guī)模并發(fā)、超高速傳輸?shù)姆较蜓葸M，并配合主流的人工智能框架進行優(yōu)化升級。未來人工智能開發(fā)與上述IT基礎(chǔ)設(shè)施深度融合將成為大趨勢，這一趨勢或?qū)腁I技術(shù)和硬件廠商的合作起步并逐漸深化，例如，Intel與阿里云達(dá)成合作，阿里云AI開發(fā)平臺PAI利用Intel的至強處理器以及內(nèi)置的深度